بررسی کارایی شبکه عصبی فازی CANFIS در تخمین بار رسوب رودخانه (مطالعه موردی حوزه آبخیز زشک- ابرده شهرستان شاندیز)
Publish place: The second national conference on sustainable development in energy, water and environmental engineering systems
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 655
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
SDEWE02_073
Index date: 2 August 2017
بررسی کارایی شبکه عصبی فازی CANFIS در تخمین بار رسوب رودخانه (مطالعه موردی حوزه آبخیز زشک- ابرده شهرستان شاندیز) abstract
پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازه های رودخانه ای و تاسیسات عمرانی را تحت تاثیر قرار می دهد و به عنوان یکی از بزرگترین مشکلات بهره برداری از منابع آبهای سطحی در جهان مطرح می باشد. در این پژوهش عملکرد شبکه عصبی مصنوعی CANFIS دربرآورد بار رسوب حوزه زشک ابرده شهرستان شاندیز مورد ارزیابی قرار گرفت. بدین منظور سه سناریو شبیه سازی شد. به منظور شبیه سازی سناریوی S1 از ورودی دبی آب، سناریوی S2 از دبی آب و باران روزانه و سناریوی S3 از ورودی دبی آب، باران و دمای روزانه استفاده گردید. نتایج نشان داد سناریوی S3 با معماری تابع عضویت بل، تابع انتقال تانژانت هایپربولیک و قانون آموزش لونبرگ مارکوارت با حداقل MSE (میانگین مربعات خطا) و MSE نهایی بدست آمده طی مرحله آموزش، به ترتیب با ارزش 0/026 و 0/026 که نسبت به S2 و S1 مقدار کمتری بدست آمد کارایی بهتری در پیش بینی بار رسوبی دارد. همچنین مشخص شد که هر سه شبکه قدرت و کارایی نسبتا مشابهی در طول فرایند آزمون دارند. ولی S3 در مجموعه آزمون با داشتن MSE و NMSE کمتر در مقایسه با سایر سناریوها بهتر عمل کرده است. از طرفی این سناریو دارای NSE (ضریب نش) برابر با 0/743 و AM (سنجه جمعی) برابر با 0/806 عملکرد بهتری را نشان میدهد. همچنین شبکه عصبی در برآورد نقاط حدی دچار تخمین کمتر از حد بود که یکی از دلایل آن می تواند کمبود حضور داده های حدی در مرحله آموزش شبکه باشد. اما با این وجود در مجموع شبکه عصبی در این حوزه کارایی کاملا رضایت بخشی را در پیش بینی دقیق بار رسوبی نشان نداد. این می تواند به دلیل کمبود داده های آموزشی و غیر دقیق بودن و وجود خطا در آمار حوزه باشد. آنالیز حساسیت نشان می دهد که همه شبکه های بهینه نسبت به تغییرات دبی آب حساس هستند. عدم حساسیت شبکه های عصبی مصنوعی نسبت به تغییرات بارش در حوزه زشک می تواند بدلیل پیچیدگی توزیع مکانی و زمانی بارندگی همراه با پیچیدگی فرایند دبی رسوب باشد.
بررسی کارایی شبکه عصبی فازی CANFIS در تخمین بار رسوب رودخانه (مطالعه موردی حوزه آبخیز زشک- ابرده شهرستان شاندیز) Keywords:
بررسی کارایی شبکه عصبی فازی CANFIS در تخمین بار رسوب رودخانه (مطالعه موردی حوزه آبخیز زشک- ابرده شهرستان شاندیز) authors
فاطمه محمدی گیوشاد
دانشجوی کارشناسی ارشد مهندسی آبخیزداری- دانشگاه بیرجند
سیدمحمد تاجبخش
استادیار دانشکده منابع طبیعی و محیط زیست - دانشگاه بیرجند
هادی معماریان
استادیار دانشکده منابع طبیعی و محیط زیست - دانشگاه بیرجند
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :